vector store api

API Toko Vektor

Selamat datang di Proyek API Toko Vektor! Proyek ini bertujuan untuk memberikan API yang efisien dan dapat diskalakan untuk menanamkan dan menyimpan vektor, memanfaatkan kekuatan Fastapi, Langchain dan database vektor seperti Chroma. Apakah Anda berurusan dengan teks, gambar, atau data apa pun yang perlu dikonversi menjadi vektor dan diambil melalui pencarian kesamaan, API ini membuat Anda dilindungi. ?

Fitur

• File dan Teks Embedding : Unggah file atau teks Anda, dan biarkan API menangani embedding ke dalam vektor.
• Penyimpanan Vektor : Simpan dengan mulus vektor Anda di Chroma untuk pengambilan yang efisien.
• Pencarian Kesamaan : Temukan vektor paling mirip yang disimpan dalam database dengan kueri sederhana.
• Scalable and Fast : Dibangun dengan Fastapi, proyek ini dirancang untuk kecepatan dan dapat menangani volume permintaan yang tinggi.

Memulai

Instruksi ini akan membuat salinan proyek Anda dan berjalan di mesin lokal Anda untuk tujuan pengembangan dan pengujian.

Daftar Roadmap & Tugas Proyek?

1. Pengaturan Proyek

• Tugas 1: Mengatur lingkungan virtual untuk proyek untuk mengelola dependensi.

• Tugas 2: Instal Fastapi dan Uvicorn (Asgi Server) menggunakan PIP.

• Tugas 3: Instal Chroma atau Proyek Perpustakaan Klien Vektor Database lainnya akan digunakan.

2. Mendesain API?

• Tugas 1: Tentukan titik akhir yang akan kita butuhkan. Pertimbangkan yang berikut:

  • Titik akhir untuk mengunggah file atau teks yang akan di vektor.

  • Titik akhir untuk mencari melalui vektor yang disimpan menggunakan pencarian kesamaan.

  • Titik akhir untuk mendaftar atau mengambil vektor spesifik atau metadata mereka.

• Tugas 2: Rencanakan model permintaan dan respons untuk titik akhir menggunakan model Pydantic.

3. Menerapkan titik akhir? ‍

• Tugas 1: Menerapkan file akhir unggahan file/teks.

  • Parse data input.

  • Semburkan input ke dalam bentuk vektor (Anda mungkin memerlukan pustaka atau layanan eksternal untuk penyematan, seperti TensorFlow untuk gambar atau memeluk transformator wajah untuk teks).

  • Simpan vektor di Chroma dengan metadata yang relevan.

• Tugas 2: Menerapkan titik akhir pencarian.

  • Terima kueri sebagai input dan ubah menjadi vektor.

  • Lakukan pencarian kesamaan di Chroma.

  • Kembalikan pertandingan terdekat.

• Tugas 3: Menerapkan titik akhir tambahan sesuai kebutuhan (untuk daftar, memperbarui, atau menghapus vektor).

4. Integrasi Database Vektor ↔️

• Tugas 1: Pilih database vektor yang sesuai (Chroma, dalam hal ini).

• Tugas 2: Menerapkan logika penyimpanan data untuk vektor.

• Tugas 3: Menerapkan logika pencarian dan pencarian menggunakan kemampuan pencarian Chroma.

5. Pengujian?

• Tugas 1: Tulis tes unit untuk titik akhir API Anda untuk memastikan mereka berfungsi seperti yang diharapkan.

• Tugas 2: Penyimpanan vektor uji dan fungsionalitas pengambilan di Chroma.

• Tugas 3: Lakukan end [] ke [] tes akhir dari seluruh API.

6. Dokumentasi & Penempatan? ✈️

• Tugas 1: Dokumen API Menggunakan Fastapi's Built [] di Swagger UI.

• Tugas 2: Siapkan proyek untuk penyebaran (pertimbangkan untuk menggunakan Docker untuk kontainerisasi).

• Tugas 3: Menyebarkan API (Opsi termasuk Heroku, AWS, atau GCP).

Berkontribusi

Kontribusi inilah yang membuat komunitas open-source tempat yang luar biasa untuk belajar, menginspirasi, dan menciptakan. Kontribusi apa pun yang Anda buat sangat dihargai . ??

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT - lihat file lisensi.md untuk detailnya.

Ucapan Terima Kasih

• Tim FASTAPI untuk kerangka kerja yang luar biasa.
• Klien Database Vektor yang digunakan dalam proyek ini.
• Kerangka kerja Langchain untuk mengembangkan aplikasi yang ditenagai oleh model bahasa besar (LLM).
• Semua kontributor dan pendukung proyek.